DRL-urban-planning
Un enfoque basado en aprendizaje por refuerzo profundo (DRL) para el diseño espacial del uso del suelo y carreteras en comunidades urbanas. (Nature Computational Science)
Optimiza diseños de terrenos y carreteras en planificación urbana utilizando técnicas de IA.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasUn enfoque basado en aprendizaje por refuerzo profundo (DRL) para el diseño espacial del uso del suelo y carreteras en comunidades urbanas. (Nature Computational Science)
DRL-urban-planning tiene 306 estrellas en GitHub. Se ha bifurcado 51 veces. DRL-urban-planning está escrito principalmente en Jupyter Notebook. Se desarrolla activamente desde 2023. DRL-urban-planning está disponible bajo la licencia MIT. Sus temas principales son: graph-neural-networks, reinforcement-learning, spatial-planning, urban-planning.
¿Qué es DRL-urban-planning?
Un enfoque basado en aprendizaje por refuerzo profundo (DRL) para el diseño espacial del uso del suelo y carreteras en comunidades urbanas. (Nature Computational Science)
¿DRL-urban-planning es de código abierto?
DRL-urban-planning es un proyecto de código abierto. Se distribuye bajo la licencia MIT.
¿DRL-urban-planning es gratis?
Sí. DRL-urban-planning es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
¿Bajo qué licencia está DRL-urban-planning?
DRL-urban-planning está disponible bajo la licencia MIT.
¿En qué lenguaje está escrito DRL-urban-planning?
DRL-urban-planning está escrito principalmente en Jupyter Notebook.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://olud.ai/project/tsinghua-fib-lab-drl-urban-planning.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.